1

为了找到连续的帧运动差异，我使用了帧的绝对差，然后将所有像素相加来量化运动量。我已经在 OpenCV 中做到了。

但我最近了解了 Horn 和 Schunk 的光流算法和基于宏块的运动补偿。OpenCV 库已经内置了可以计算它们的函数。但我不知道如何量化它们。它们比第一种方法更好吗？

请帮忙！

4

3 回答 3

2

在opencv中实现光流的方式是...

  1. 最初在要跟踪的目标出现的帧（比如 FrameA）中检测一些点作为跟踪（兴趣点）的良好特征......有些点可能位于目标上，有些可能位于背景上......
  2. 检测到的点存储在向量数组中，并与 FrameA 和 FrameB 一起传递给光流函数……后面的 (FrameB) 是我们打算找到感兴趣点位置的下一帧……
  3. 当我们得到 FrameB 中兴趣点的位置时，我们可以估计 FrameA 和 FrameB 之间的兴趣点的位移......

对于你的情况......因为你正在做帧运动计算......使用背景减法（帧微分......）作为启动帧的技术，你可以从那里开始寻找兴趣点......当变化超过一个阈值开始获取兴趣点...在接下来的连续帧中跟踪它们，您可以制作一个直方图，显示有多少兴趣点在下一帧中发生了多少位移...这就是我现在能想到的用于量化帧运动...

于 2012-12-22T07:34:13.707 回答
1

虽然我对特定的 opencv 实现几乎没有经验，但我可以告诉你，光流通常不会尝试量化运动量。您可以根据光流向量的长度（例如，对块速度求和）在输出上定义一个度量，但这与您使用的度量非常不同。这是否对您有用取决于应用程序。为了比较，考虑一个灰色物体在白色背景上移动，一个黑色物体在白色背景上移动。您的帧差度量会将黑色对象视为更多运动，而块速度之和度量会将其视为大致相同的运动量。

于 2012-12-21T13:27:18.540 回答
0

最后，您还应该考虑方法的运行时。差分图像的计算复杂度非常低，可以在几毫秒内估计。但是你无法量化你的物体的速度。例如，摇晃相机可能会造成问题。较慢的是基于光流的方法，例如金字塔形 Lucas Kanade 或 Horn Schunk 方法，但您可以针对每个像素（密集方法，例如 Horn Schunk）或一组预定义像素（稀疏方法，例如金字塔形 Lucas Kanade）获得运动矢量。因此，您现在可以区分不同的运动对象，或者您只需使用计算出的运动矢量的长度。但是运行时间大约是 200 毫秒到 2 秒，并且取决于参数、帧的大小和要计算的向量数量等。

于 2013-01-16T15:17:42.133 回答